Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Journal of Information Technology and Computer Science (JOINTECS) JURNAL REKAYASA TEKNOLOGI INFORMASI Jurnal Agrotech Elipsoida : Jurnal Geodesi dan Geomatika Buletin Poltanesa
Eny Maria
Politeknik Pertanian Negeri Samarinda
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : JURNAL REKAYASA TEKNOLOGI INFORMASI

 1 
Pengenalan Pola Bentuk Wajah dengan OpenCV Tengku Cut Al-Saidina Zulkhaidi; Eny Maria; Yulianto Yulianto
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 3, No 2 (2019): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (317.765 KB) | DOI: 10.30872/jurti.v3i2.4033

Abstract

Pada penelitian ini akan menggunakan module OpenCV pada bahasa pemrograman python untuk mengenali wajah sesorang yang menggunakan Haar Cascades untuk mengenali bentuk wajah dan mata. Tahapan awal menggunakan open source dari intel untuk data wajah dan mata, dipadukan dengan module cascade classifier pada openCV untuk merubah data menjadi pengenalan bentuk wajah dari titik pada wajah yang dianggap sesuai dengan data yang telah disediakan. Banyak dari beberapa sistem pendeteksian wajah menggunakan metode computer vision sebagai metode pendeteksi objek. Metode computer vision dikenal memiliki kecepatan dan keakuratan yang tinggi karena menggabungkan beberapa konsep (Haar Features, Integral Image, AdaBoost, dan Cascade Classifier) menjadi sebuah metode utama untuk mendeteksi objek. Banyak dari sistem deteksi tersebut menggunakan C atau C++ sebagai bahasa pemrograman, dan OpenCV sebagai librari deteksi objek. Hal ini dikarenakan librari OpenCV menerapkan metode computer vision kedalam sistem deteksinya,  sehingga memudahkan dalam pembuatan sistem. Penelitian ini bertujuan untuk  mengimplementasikan computer vision  ke dalam sistem deteksi wajah sederhana dengan memanfaatkan library yang ada pada OpenCV dan memanfaatkan bahasa pemrograman Python sebagai pondasi sistem.
Klasterisasi Tingkat Kematangan Buah Naga Berdasarkan Warna Dengan Metode Segmentasi K-Means Clustering Berbasis Mobile Eny Maria; Wahyuni Eka Sari; Putri Eva Damayanti
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 6, No 1 (2022): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v6i1.8364

Abstract

Pengolahan citra meruakan salah satu metode representasi operasi pada gambar. Terdapat dua jenis pengolahan citra yaitu pengolahan citra analog dan pengolahan citra digital. Pengolahan citra digital membantu dalam proses manipulasi gambar dengan menggunakan komputer. Tiga tahapan umum yang harus dilalui semua jenis data saat menggunakan teknik digital yaitu preprocessing, enhancement display dan ekstraksi informasi. Dalam penelitian ini, dalam proses klasterisasi menggunakan metode k-meansclustering. K-means clustering merupakan salah satu metode yang paling banyak digunakan dalam proses pengelompokan. K-means clustering merupakan metode pengelompokan berdasarkan nilai mean terdekat (pusat cluster atau centroid cluster) dari objek n ke cluster k. Metode tersebut dapat diterapkan pada ponsel menggunakan android studio, khususnya untuk pengelompokan tingkat kematangan buah naga merah. Buah naga merah memiliki empat tingkat kematangan yaitu matang, mentah, setengah matang atau mengkal dan terlalu matang atau lewat matang. Berdasarkan pada 40 data citra uji yang digunakan dalam penelitian ini, akurasi yang didapatkan pada pengelompokan menggunakan metode segmentasi k-means clustering adalah sebesar 97,5% . 
Sistem Pakar Diagnosis Bakteri Pada Air Minum Isi Ulang Dengan Metode Backward Chaining dan Certainty Factor Eny Maria; Muhammad Fauzul Adhim; Suswanto Suswanto
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 7, No 1 (2023): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v7i1.12600

Abstract

Dalam menganalisa sebuah informasi dimungkinkan seorang pakar mengungkapkan informasi berupa pernyataan yang tidak pasti seperti mungkin, kemungkinan besar dan hampir pasti. Salah satu metode yang dapat digunakan dalam mengatasi ketidak  pastian  adalah  metode  certainty factor. Certainty factor merupakan metode yang mendefinisikan ukuran kepastian terhadap fakta atau aturan untuk menggambarkan keyakinan seorang pakar terhadap masalah yang sedang dihadapi. Sistem pakar diagnosis bakteri pada air minum isi ulang dengan metode Backward chaining & Certainty Factor digunakan untuk membantu masyarakat agar mendapatkan air minum yang layak di konsumsi untuk kebutuhan sehari-hari
Co-Authors Annafi’ Franz Dyah Widayasari Eko Junirianto Elisya Permata Sari Fadlin, Feri LA MUDI, LA Muhammad Fauzul Adhim Nia Kurniadin Nur Hidayat Palma Nobel Perdamaian Putri Eva Damayanti Rizki Kurniawan Santoso Rusmini Suswanto Suswanto Taruk, Medi Tengku Cut Al-Saidina Zulkhaidi Wahyuni Eka Sari Wahyuni Eka Sari Yulianto Yulianto